摘要
本发明公开了一种基于变分模态分解去噪的电机轴承故障识别方法,涉及电机轴承故障识别技术领域,该方法包括:在电机空载稳定状态下,采集电机轴承的振动信号;采用变分模态分解对采集到的电机轴承振动信号进行处理,提取去噪后的电机轴承振动信号的特征向量;将电机轴承振动信号特征向量输入至预训练的基于神经网络的故障分类模型,进行故障分类,得到轴承故障识别结果。本发明通过变分模态分解方法对电机轴承振动信号进行去噪处理,从含噪声的电机轴承振动信号中恢复出有用的故障信号。本发明中的故障分类模型结合了卷积神经网络提取局部信息的能力和Transformer建模时间上下文关系的能力。本发明最终可以达到提升电机轴承故障识别准确性的技术效果。
技术关键词
电机轴承故障
识别方法
故障分类模型
轴承故障识别
信号
皮尔逊相关系数
噪声分量
振动加速度传感器
卷积神经网络提取
并行处理数据
模态分解方法
拉格朗日
时序特征
多头注意力机制
矩阵
频率
初始化方法
预训练模型
系统为您推荐了相关专利信息
卷积神经网络模型
环境光照强度
模型预测控制算法
生成控制指令
导管架
扩散磁共振图像
凸集投影算法
高清
正则化参数
局部低秩矩阵
远程监控系统
数据传输子系统
监测子系统
设备协同工作
机器学习算法
句法信息
中文命名实体识别方法
序列
上下文特征
字符
带钢热连轧
活套系统
状态空间模型
故障检测方法
计算机可读取存储介质